MétaCan
Menu
Retour à la cohorte
Enregistrement W2162864710 · doi:10.1897/02-265

Temporal changes in mercury bioaccumulation by predatory fishes of boreal lakes following the invasion of an exotic forage fish

2003· article· en· W2162864710 sur OpenAlexaffabout
Thomas A. Johnston, William C. Leggett, Richard A. Bodaly, Heidi K. Swanson

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensFisheries and Oceans CanadaQueen's University
Organismes subventionnairesnon disponible
Mots-clésPiscivoreForage fishBioaccumulationSmeltEsoxStizostedionBiologyTrophic levelEcologyPredationFisheryPredatory fishSalvelinusPlanktivoreMercury (programming language)PikeTroutPredatorFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We evaluated the prediction that mercury concentrations of predatory fishes in boreal lakes would rise following the invasion of an exotic forage fish species (rainbow smelt, Osmerus mordax) that was believed to feed at a higher trophic position than native forage fishes. We compared temporal trends (postinvasion minus preinvasion values) in fish mercury bioaccumulation between lakes experiencing recent smelt invasions and reference lakes of central Canada. Piscivore mercury concentrations in this region have remained stable or declined during approximately the last 20 years. These trends were not strongly influenced by the smelt invasion, despite the fact that smelt were a major prey item for all piscivore species examined. The effect of smelt invasion on mercury bioaccumulation in the predator species reflected the importance of smelt in their respective diets (lake trout, Salvelinus namaycush > walleye, Stizostedion vitreum > northern pike, Esox lucius). However, these effects were not statistically significant for any piscivore species. The impact of rainbow smelt invasion on mercury bioaccumulation in native piscivores of this region has been much less than previous food-web studies have predicted.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and ChemistryMême sujetMercury impact and mitigation studiesTravaux en français237 207